作為(wei) 人工智能發展的一大趨勢，國際學術界已對“人工智能驅動的科學研究”形成共識：人工智能將帶來科研範式的變革和新的產(chan) 業(ye) 業(ye) 態。

　　在中國科學技術大學校園裏，化學與(yu) 材料科學學院的一群科研人員正積極投身這項實踐：深耕精準智能化學領域，推動科研範式變革，並取得了一係列令人矚目的科研成果。

　　“機器化學家”展現出智能新範式的巨大優(you) 勢

　　如何創製一款芬頓催化劑？在中科大“機器化學家”實驗室裏，大量瓶瓶罐罐的實驗工作被人工智能“取代”，科研人員無需試來試去，整個(ge) 過程簡單而高效。

　　記者在實驗室看到，科研人員在人工智能程序中輸入問題：什麽(me) 類型的非貴金屬元素常用於(yu) 芬頓催化劑？很快，程序就會(hui) 給出答案。程序提供的答案來自自主研發的文獻機器閱讀係統，它能迅速讀取海量文獻，基於(yu) 統計數據分析，幫助科研人員選擇最佳的元素組合。接下來，就可以調出“機器化學家”平台中保存的芬頓催化劑實驗模板，根據人工智能推薦的元素組合編輯液體(ti) 進樣站的參數，並讓名為(wei) “小來”的“機器化學家”平台幫助進行實驗驗證。這樣，“小來”便可以開始它的芬頓催化劑創製之旅。

　　“實驗數據經處理後，輸入‘小來’獨有的計算大腦中，產(chan) 生人工智能模型，可以幫助科研人員優(you) 化實驗方案。”中科大化學與(yu) 材料科學學院教授江俊告訴記者。

　　“小來”等人工智能工具和平台，是中科大化學與(yu) 材料科學學院江俊團隊的研發成果。其中，人工智能程序由化學數據驅動，並結合人類化學家的知識進行機器學習(xi) 訓練，能夠針對使用者提出的問題給出初步的實驗建議。“小來”則是團隊自主開發的集閱讀文獻、自主設計實驗、材料開發於(yu) 一體(ti) 的“全流程機器化學家”平台，它能夠從(cong) 數以億(yi) 計的可能組合中找到最優(you) 解，進而加快材料研發。

　　實驗室裏，由“小來”驅動的機械手臂伸縮自如，精確抓取配製試劑。

　　“全流程機器化學家”平台到底有多強大？以潛力巨大的高熵化合物催化劑為(wei) 例：獲得最優(you) 配方需要測試極其龐大的化學配比組合，如果依賴傳(chuan) 統研究範式，這一過程可能需要1400年，而“機器化學家”發揮數據驅動和智能優(you) 化的優(you) 勢，從(cong) 55萬(wan) 種可能的金屬配比中找出最優(you) 的高熵催化劑，僅(jin) 需要5周時間。

　　專(zhuan) 家認為(wei) ，這種“機器化學家”的研究工作擺脫了傳(chuan) 統研究範式的限製，展現出智能新範式的巨大優(you) 勢。

　　利用人工智能將科學知識數字化、代碼化

　　猜測、嚐試、糾錯，再猜測、再嚐試……在過去150多年裏，傳(chuan) 統的化學研究範式深度依賴“試錯法”，其局限性使得物質創製的周期長、成本高，難以實現高效、節能。

　　此後，由量子力學發展而來的量子化學，成為(wei) 化學家使用的工具。化學家們(men) 可以在計算機上進行模擬實驗來驗證某個(ge) 理論，大大提升了效率。然而，化學研究對象日益複雜化、高維化，麵對龐大的化學空間，配方和工藝的搜索常常止步於(yu) 局部最優(you) ，無法進行全局探索。

　　在計算化學領域有過10年研究經曆的江俊感慨：“我們(men) 的化學體(ti) 係非常複雜，超算雖然進化很快，但還是無法應對它的複雜度。”

　　怎麽(me) 辦？必須找到新的方法。

　　和江俊一樣，中科大教授李震宇也一直在關(guan) 注和思考這個(ge) 問題。

　　“精準化是所有化學家的一個(ge) 夢想。我希望把這個(ge) 東(dong) 西放進去，想讓它轉化成什麽(me) 就能百分百轉化成什麽(me) ，過程中還不會(hui) 產(chan) 生任何另外的東(dong) 西。”李震宇說，“這就要求整個(ge) 化學研究能做到精準的設計、表征、製備和調控，要求整個(ge) 過程是透明可控的，裏麵的機理也是清楚的。要實現這個(ge) 目標，整個(ge) 研究範式必須改變。”

　　逐漸興(xing) 起並快速迭代進化的大數據與(yu) 人工智能技術，讓江俊和李震宇看到了解決(jue) 這些難題的希望。

　　江俊認為(wei) ，大數據與(yu) 人工智能技術可以把科學知識數字化、代碼化，並進行遷移。“也就是說，我們(men) 隨時調用優(you) 秀研究者發明的代碼。他們(men) 的智慧結晶，隻要我用一個(ge) ‘子函數’就能調用過來。如果隻靠人腦來學習(xi) 、實踐和訓練的話，整個(ge) 過程就會(hui) 很漫長，知識的遷移就會(hui) 變得低效。”

　　於(yu) 是，江俊心中萌生了一個(ge) 想法：是否可以借助人工智能技術開發一種新工具？在他的構想當中，這個(ge) 工具能夠幫助科學家突破思維局限，利用數據建立有效的複雜模型，從(cong) 而指導化學實踐。

　　2014年，江俊團隊提出“機器化學家”概念並開展相關(guan) 科研工作。經過8年攻關(guan) ，團隊通過開發和集成移動機器人、化學工作站、智能操作係統、科學數據庫等技術，在2022年成功研製出數據智能驅動的“全流程機器化學家”。

　　“機器化學家”助力催生化學研究新範式

　　如今，“全流程機器化學家”在科學研究中發揮著積極作用。中科大鄒綱團隊篩選光學活性薄膜材料時，為(wei) 找到目標材料，需要混合多種分子來控製薄膜厚度、應力、灰度等工藝條件，其可能性有上百萬(wan) 種。團隊努力了10年，終於(yu) 將不對稱因子提高到了1.2，但離理論極限2.0還有非常大的差距。借助“小來”，他們(men) 在兩(liang) 個(ge) 月內(nei) 找到了不對稱因子1.95的工藝條件，高度逼近理論極限。

　　江俊成功走出了第一步，讓化學科學家們(men) 深受鼓舞，更加堅定了以人工智能技術推動化學科研範式變革的決(jue) 心。

　　今年1月，中國科學院精準智能化學重點實驗室正式獲批建設，李震宇擔任實驗室主任。“實驗室主要麵向世界科技前沿，聚焦如何改變化學研究範式這一關(guan) 鍵科學問題，探索建立化學研究的精準化、智能化雙驅動模式。”李震宇介紹。

　　李震宇認為(wei) ，當前人工智能技術應用於(yu) 化學研究最大的困難和挑戰來自數據。“已有的大量數據來源複雜，質量參差不齊。這些數據混在一起，讓人工智能去學習(xi) ，很可能會(hui) 學到一些錯誤的知識。所以，我們(men) 希望發展一些新的技術，能夠進行一些更高精準度的表征，同時還能夠形成一套數據標準，在這個(ge) 基礎上去做數據驅動的智能化學。”

　　“機器化學家”的出現，讓化學家們(men) 解放了雙手。也有人擔心：未來化學家們(men) 可能會(hui) 無事可做。江俊表示不用為(wei) 此多慮：“一個(ge) 好的技術工具出來，也會(hui) 賦予更多的可能性，讓科研人員做更多的事情，發現更多的前沿理論。”

　　“機器化學家”的出現，推動化學研究範式的改變，也對未來的化學發展提出了新的要求。江俊說，比如，在人才培養(yang) 方麵，既需要具備紮實的化學基礎，還要有開放的心態，要善於(yu) 、敢於(yu) 學習(xi) 各種新知識。

　　未來，江俊希望建成一個(ge) “機器化學家”大科學裝置：在一整棟大樓裏，布置上百個(ge) 機器人、上千個(ge) 智能化學工作站。基於(yu) 這樣一個(ge) 大平台，各個(ge) 課題組的實驗數據可以交匯、共享，產(chan) 生海量數據，自動提煉出數字化的知識圖譜和人工智能的模型，進而指導機器人自動優(you) 化生產(chan) 更好、更高效率的化學品或新材料，實現數據智能驅動的化學研究新範式。

　　對於(yu) 精準智能化學重點實驗室的首個(ge) 重點應用研究，李震宇和同事們(men) 目前有了一個(ge) 明確的目標：基於(yu) 精準化、智能化雙驅動的化學研究新範式，對現有氮資源轉化相關(guan) 反應進行全麵評估，提出綠色低能耗轉化新路徑，創製新型催化體(ti) 係，在氮資源綜合利用領域實現突破。

　　李震宇說：“氮資源高效轉化是一個(ge) 極具挑戰性的難題，希望新的研究範式能夠給我們(men) 帶來幫助。”